پژوهش جدید غول فناوری انویدیا نگاه صنعت به عامل‌های هوش مصنوعی (AI Agents) را دستخوش تغییری بنیادین کرده است. بر اساس تحقیقات تازه این شرکت، در اجرای وظایف پیچیده و طولانی‌مدت، داربست نرم‌افزاری یا هارنس (Harness) نقش بسیار تعیین‌کننده‌تری نسبت به خود مدل زبانی پایه ایفا می‌کند. هارنس همان مجموعه ابزارها، سیستم مدیریت حافظه و قواعدی است که یک مدل خام را به عاملی هوشمند و خودکار تبدیل می‌سازد.
شکستن رکورد بنچمارک ARC-AGI-۳ با معماری جدید انویدیا
پژوهشگران انویدیا با طراحی یک هارنس اختصاصی و اضافه کردن یک «عامل ناظر» (Supervisor)، توانستند مدل Claude Opus 5 را به امتیاز خیره‌کننده ۱۰۰٪ در بنچمارک سخت‌گیرانه ARC-AGI-3 برسانند. این بنچمارک شامل بازی‌های منطقی و دوبعدی بدون راهنماست که توانایی حل مسئله هوش مصنوعی را مانند انسان می‌سنجد. همین مدل بدون هارنس بهینه‌شده، تنها ۳۰٪ امتیاز کسب کرده بود.
نکات کلیدی این دسترفت علمی عبارتند از:
- نقش حیاتی مدیریت حافظه: تنظیم درست کانتکست و ابزارها مانع از انحراف هوش مصنوعی در پروژه‌های طولانی می‌شود.
- حضور عامل ناظر: لایه نظارتی جدید مانند یک مدیر ارشد عمل کرده و در صورت متوقف شدن عامل اصلی، مسیر درست را به او پیشنهاد می‌دهد.
- کاهش محسوس هزینه‌ها: استفاده از هارنس مناسب می‌تواند بدون نیاز به آموزش مجدد مدل‌های سنگین، کارایی را افزایش و هزینه‌ها را تا نصف کاهش دهد.
چرا غول‌های فناوری به سمت توسعه هارنس‌های متن‌باز می‌روند؟
پیش از این شرکت‌هایی مانند OpenAI و Databricks نیز به اهمیت زیرساخت‌های جانبی پی برده بودند، اما دستیابی انویدیا به امتیاز کامل در این ارزیابی، اهمیت لایه‌های اجرایی را بیش از پیش اثبات کرد. انویدیا با معرفی معماری Agentic Variation Operators (AVO) نشان داد که کنترل لایه‌های عملیاتی، امنیت و دقت عامل‌های هوشمند را به شکل چشمگیری تضمین می‌کند.
عامل‌های خودمختار هنگام پردازش‌های طولانی‌مدت ممکن است دچار سردرگمی شده یا رفتارهای غیرمنتظره بروز دهند. وجود یک داربست نرم‌افزاری استاندارد و متن‌باز، به توسعه‌دهندگان اجازه می‌دهد کنترل کاملی بر عملکرد هوش مصنوعی داشته باشند و از خروج آن از مسیر تعیین‌شده جلوگیری کنند.
سوالات متداول
هارنس (Harness) در هوش مصنوعی چیست؟
هارنس به زیرساخت نرم‌افزاری، ابزارها، مدیریت حافظه و پروتکل‌های اجرایی گفته می‌شود که اطراف یک مدل زبانی قرار می‌گیرد تا آن را به یک عامل هوشمند کارآمد تبدیل کند.
معماری جدید انویدیا چگونه توانست امتیاز کامل ARC-AGI-۳ را کسب کند؟
انویدیا با اضافه کردن یک «عامل ناظر» در کنار عامل اصلی و بهینه‌سازی دقیق حافظه، توانست هدایت سیستم را در مسیر حل مسائل پیچیده منطقی بدون سردرگمی حفظ کند.